De l’appropriation communautaire dans la gouvernance des pêcheries et des aires marines protégées
Bibliographic record
Abstract
La gouvernance de la pêche au Sénégal a connu une résurgence suite aux injonctions internationales promouvant les aires Marines Protégées pour des pratiques de pêche durables. Historiquement, les pratiques de pêche artisanale n'étaient pas suffisamment réglementées, ce qui a entraîné une perte de biodiversité et une réduction des ressources. Le nouveau contexte est celui d’une gouvernance favorisant la création d’aires marines protégées (AMP). L'appropriation des pratiques de pêche durable par les populations dépend des perceptions, mais aussi des enjeux locaux et des contraintes socioéconomiques associées à la nouvelle norme. Une méthodologie mixte et comparative a été utilisée pour recueillir des données empiriques à partir d'une enquête menée en 2014-2015 auprès de 375 acteurs du secteur à Saint-Louis, Kayar et Lompoul. L'étude a révélé que l'adoption de pratiques de pêche durables est influencée par les traditions locales de régulation des ressources halieutiques. Les localités non exposées à la réglementation sont plus enclines à promouvoir les aires marines protégées. La mise en œuvre d'une AMP ne garantit pas le changement souhaité dans les pratiques de pêche pour la durabilité. Le changement doit être conduit par la responsabilité des acteurs du secteur et par l'application et le respect des normes établies. Cette perspective tient compte du principe de responsabilité et de la nécessité de mettre en œuvre une gouvernance inclusive, dans lequel des normes communes devraient être élaborées et respectées par tous.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".